Тематика предлагаемых курсовых работ связана с такими областями знаний как искусственный интеллект, робототехника, анализ данных.
Выполнение курсовой работы подразумевает как проведение исследований (теоретическая часть), так и разработку программного обеспечения (практическая часть). Соотношение работ "теория/практика" зависит от конкретной темы и договоренности с руководителем.
Указанные ниже темы являются примерными и могут корректироваться в ходе обсуждения с заинтересованными студентами. Если не указаное иное предлагаемые темы могут быть выбраны как в качестве курсовых работ, так и в качестве выпускных квалификационных (дипломных) работ.
Яковлев К.С.
- Методы и алгоритмы эвристического поиска (Heuristic Search: Methods and Algorithms)
- Планирование траектории в виртуальных мирах как задача эвристического поиска пути на графе особой структуры (Path Planning in Virtual Worlds as Heuristic Graph Search)
- Планирование траектории для беспилотных транспортных средств: методы и алгоритмы (Planning trajectory for unmanned vehicles: methods and algorithms)
- Планирование траектории движений для сложных робототехнических систем (манипуляторов и др.) (Motion Planning for Complex Robotic Systems (Arms, Manipulators, etc.))
- Планирование траектории как задача генерации изображений (Path Planning as Image Generation)
- Задачи одновременного картирования и локализации для беспилотных транспортных средств (Simultaneous Location and Mapping for Robots and Unmanned Vehicles)
- Картирование и локализация для беспилотных летательных аппаратов по данным инерциальной навигационной системы и видеопотоку (Simultaneous Location and Mapping for Unmanned Aerial Vehicles Based on Video and Intertial Navigation System Data)
- Методы и алгоритмы выделения особенностей на растровых изображениях (SURF, SIFT и др.) (Image Feature Extraction (SURF, SIFT etc.))
- Методы и алгоритмы обработки изображений для робототехники (Image Processing in Robotics)
Панов А.И.
- Разработка биологически правдоподобных нейросетевых методов анализа данных (Biologically Inspired Neural Networks for Data Analysis)
- Методы обучения правилам на основе обучения с подкреплением (Rule Reinforcement Learning)
- Иерархические обучение с подкреплением (Hierarchical Reinforcement Learning)
- Исследование и развитие знакового способа представления знаний (Sign Based World Model)
- Планирование поведения в знаковой картине мира (Behavior Planning in Sign Based World Model)
- Методы образования коалиций и распределения ролей при решении общей задачи (Coalition Formation and Role Distribution)
- Способы коммуникации в коалициях агентов (Communication in Agent’s Coalition)
- Моделирование поведения робототехнической системы в средах ROS и Gazebo (Robots Behavior in ROS and Gazebo)
- Исследование индуктивных методов анализа данных для выявления причинно-следственных связей (Inductive methods of Data Analysis for Causal Inference)